Программный пакет CellAnalyser 

В ходе анализа люминесцентных изображений с помощью программы CellAnalyser (см. Рисунок 6) не требуется введения каких-либо параметров сегментации, так как разработанные алгоритмы автоматически определяют все необходимые параметры (например, по автоматически оцененной площади занимаемой ядрами и клетками). По нажатию кнопки OpenImage открывается окно для загрузки изображения, где пользователь выбирает изображение для последующего анализа.

Рисунок 6  – Программный пакет CellAnalyser. А – главное окно Б – интерактивный уровень В – таблица объектов Г – границы ядра и клеток Д – таблицы пикселей Е – матрица спотов

При нажатии кнопки AnalyzeImage происходит построение масок биологических объектов (маски сохраняются в виде файлов с расширением.tif, включая изображения, соответствующее маскам опухоли, ядер и клеток). Затем создаются выходные txt-файлы, содержащие дифференциальные и интегральные характеристики биологических объектов: два файла содержат дифференциальные характеристики объектов и один файл – интегральное характеристики по всему изображению. Файлы автоматически сохраняются в рабочею папку (из которой было загружено изображение).

Информация на пиксельном уровне изображения объектов представляется в виде двух взаимосвязанных окон. На первом окне отображается исследуемое изображение (см. Рисунок 6Б). Нижняя панель содержит параметры выделенного ядра: номер ядра, координаты центра ядра, среднее значение и среднеквадратическое отклонение в красном, зелёном и синем каналах. Если курсор не указывает на ядро, параметры обнуляются.

В результате выделения ядра в таблице объектов (Рисунок 6В, Г), соответствующие ядру границы подсвечиваются на изображении. Автоматически создаются таблицы содержащие информацию о пикселях ядра и цитоплазмы клетки (Рисунок 6Д).

В случае если внутренне окно было закрыто или возникает необходимость очистки изображения – обновление окна осуществляется нажатием кнопки ParametrsWindow (см. Рисунок 6А)

Для дальнейшей работы с найденными клетками и ядрами реализована функция построения матрицы клеток или ячеек (см. Рисунок 6Е). Ячейка – область найденной клетки с определенными границами цитоплазм и ядер. Для обозначения границ клеток используется зелёный цвет, для границ ядер – красный цвет. Если границы ядер и цитоплазм совпадают – используется жёлтый цвет.

Заключение

В ходе данной работе разработаны алгоритмы сегментации опухоли, ядер и цитоплазм раковых клеток на основе трёхканальных люминесцентных изображений. Отличительная черта предложенных алгоритмов состоит в том, что для сегментации ядер и цитоплазм клеток производится автоматическое построение оценки занятой площади ядрами (клетками) для метода суммирования нормальных распределений.

Выполнен анализ экспериментальных изображений раковых клеток. Количество пропущенных либо раздробленных ядер и клеток не превышает 5% от общего числа клеток.

Разработанные алгоритмы легли в основу программного обеспечения CellAnalyser. Особенностью разработанного программного обеспечения является возможность интерактивного анализа биологических объектов на пиксельном уровне. CellAnalyser обладает простым и удобным интерфейсом, выходные результаты представляются в виде масок изображений, в электронных таблицах сохраняются дифференциальные и интегральные характеристики биологических объектов.

Полученные в ходе работы результаты докладывались на трех научных конференциях и были включены в сборники трудов:

· Международной научно-практической конференции “Информационные технологии, электронные приборы и системы (ITEDS’2010)”, БГУ, Минск, 6-7 апреля 2010 г.

· Международном форуме студенческой и учащейся молодежи «Первый шаг в науку – 2010», 3 – 6 мая 2010 г., Минск. Работа награждена дипломом III-ей степени.

· 69-ой научно-практической конференции студентов и аспирантов БГУ, 18-20 мая 2010 г., Минск.

· Республиканской молодёжной научно-практической конференции «Научные стремления – 2010», 1 – 3 ноября 2010 г., Минск. Работа награждена дипломом II-ой степени.

Литература

1. Феофанов, А. В. Спектральная лазерная сканирующая конфокальная микроскопия в биологических исследованиях/ А.В. Феофанов// Успехи биологической химии. т. 47. –2007. –С. 371-410.

2. Lamprecht, M. R. CellProfiler: free, versatile software for automated biological image analysis/ M. R. Lamprecht, David M. Sabatini, and Anne E. // Carpenter BioTechniques. – 2007. – Vol. 42. – P.71-75.

3. Abramoff, M.D. Image processing with ImageJ/ M.D. Abramoff, P.J. Magalhaes, and S.J.Ram// Biophotonics International. – 2004. – Vol. 11. – P. 36-42.

4. Ronneberger, O. Spatial quantitative analysis of fluorescently labeled nuclear structures: Problems, methods, pitfalls/ O. Ronneberger [et al.]// Chromosome Research. – 2008. – Vol. 16. – P.523-562

5. Карнаухов, В.Н. Люминесцентный анализ клеток/ В.Н. Карнаухов. – Пущино: «Аналитическая микроскопия», 2002. – 131 с.

6. Штейн, Г. И. Конфокальная микроскопия: мифы и реальность/ Г. И. Штейн// Школа-семинар «Конфокальная микроскопия в биологии и медицине», – Москва 2005.

7. Абламейко, С.В. Обработка изображений: технология, методы, применение/ С.В. Абламейко, Д.М. Лагуновский. – Минск: «Амалфея», 2000. – 304 с.

8. Гонсалес, Р. Обработка изображений в среде MATLAB/ Р. Гонсалес, Р. Вудс, С. Эддинс. – Москва: Техносфера, 2006. – 616 с.

9. Liao, P.S. A Fast Algorithm For Multilevel Thresholding / P.S. Liao [et al.] //Journal of Informational Science and Engineering. – 2001. – Vol. 17, – P. 713-727.

10. Bishop, C. M. Pattern recognition and Machine Learning/ C. M. Bishop, – Springer, 2006. 735 pp.

11. Гилевский, С.В. Теория вероятностей и математическая статистика/ Гилевский С.В., Малофеев В. М. – Минск: БГУ, 2003. – 174 c.

12. Vincent, L. Watersheds in Digital Spaces: An Efficient Algorithm Based on Immersion / L. Vincent and P. Soille. //IEEE Transaction on Pattern Analysis and Machine Intelligence. – 1991. – Vol. 13, – P.583-598.

13. Пpепаpата, Ф. Вычислительная геометрия: Введение/ Ф. Пpепаpата, М.Шеймос. – Москва: Мир, 1989, – 481 с.

14. Jones, T. R. Voronoi-Based Segmentation of Cells on Image Manifolds/ T. R. Jones// CVBIA, 2005. – P.535-543.

15. Carpenter, A. E. CellProfiler: image analysis software for identifying and quantifying cell phenotypes/ A. E. Carpenter [et al.]// Genome Biology. 2006. – Vol. 7. – P.100.1-100.10

16. Swedlow, J. R. Open source bioimage for cell biology/ J. R. Swedlow and Kevin W.Eliceiri//Trend Cell Biology. – 2009. – Vol. 19. – P. 656-660.

17. Лисица, Е.  В.  Сравнительный анализ методов сегментации биомедицинских изображений/ Е.  В.  Лисица// Сборник материалов 67-ой науч. конф. студентов и магистрантов БГУ. Минск. 2010.

⇐ Предыдущая1234Следующая ⇒

Поделиться: